买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉佛山科学技术学院申请的专利一种基于全局特征和内在特征关联的迁移学习方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114067151B 。

龙图腾网通过国家知识产权局官网在2026-05-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111408367.3，技术领域涉及：G06V10/762；该发明授权一种基于全局特征和内在特征关联的迁移学习方法是由易长安;陈浩天;谭海曙设计研发完成，并于2021-11-19向国家知识产权局提交的专利申请。

本一种基于全局特征和内在特征关联的迁移学习方法在说明书摘要公布了：一种基于全局特征和内在特征关联的迁移学习方法，包括通过深度神经网络来提取样本的深度特征；从目标域里选择一定比例的样本作为带标签的目标域样本，其余样本属于无标签的目标域样本；采用半监督的对抗迁移学习方法，学习出目标域的基模型；根据深度特征分别对源域的全部样本、目标域的无标签样本分别进行无监督聚类，每个聚类称为一个组件；对源域、目标域的组件进行匹配，每一个匹配称为一个配对；针对每一个配对，都以基模型为基础进行微调，使之更符合该配对里的目标域成分。同时考虑了特征的整体分布、特征之间的内在关联，可以更好地实现知识迁移，从而更好地解决了物体识别等领域里的人工标注费时、费力等问题，提高迁移效率。

本发明授权一种基于全局特征和内在特征关联的迁移学习方法在权利要求书中公布了：1.一种基于全局特征和内在特征关联的迁移学习方法，其特征在于： 包括如下步骤： 步骤A：准备样本，将当前场景的带有标签的图片数据划分为源域，将新场景的无标签的图片数据划分为目标域； 步骤B：提取深度特征，通过深度神经网络提取样本的深度特征； 步骤C：样本选择，从目标域中随机选择预设数量的样本，为所选择的样本贴设标签； 在所述步骤C中，包括将所述源域标记为，将所述目标域标记为； 步骤D：训练基模型，基于步骤A中的源域、步骤C中被选择的带有标签的样本和步骤C中未被选择的未带标签的样本，来为目标域训练基模型； 步骤E：提取组件，对源域和步骤C中未被选择的未带标签的样本分别进行无监督聚类，所得到的每个聚类即为组件； 步骤F：组件匹配，将目标域中的组件匹配对应的源域组件，目标域中每个组件均与对应的源域组件形成一个配对； 在步骤F中，包括利用二分图进行组件匹配，用MMD距离衡量两个组件之间的距离，包括： 源域和目标域的组件分别构成二分图中两个子集，两个子集互不相交； 获取目标域中任一组件与源域所有组件的MMD距离，将MMD距离作为二分图里对应边的权重； 对于目标域的每一个组件，选择权重最小的边来匹配对应的源域的组件； 步骤G：微调基模型，基于每个配对对基模型进行微调。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人佛山科学技术学院，其通讯地址为：528000 广东省佛山市江湾一路18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。